Nama : Muhammad Untung Ariessandi Email : [email protected]
JURNAL SKRIPSI
IMPLEMENTASI ALGORITMA DEMPSTER SHAFER DALAM PEMBUATAN ITS UNTUK
MATAKULIAH SIMULASI DAN PERMODELAN
ABSTRAKSI
Muhammad Untung Ariessandi.50401963.
IMPLEMENTASI ALGORITMA DEMPSTER SHAFER DALAM PEMBUATAN ITS UNTUK
MATAKULIAH SIMULASI DAN PERMODELAN
Skripsi.Jurusan Teknik Informatika, Fakultas Teknologi Industri,2006-03-03 Kata Kunci:
Intelligent Tutoring System, Dempster-Shafer, Kecerdasan buatan
(x+34+lampiran)
Pada penulisan skripsi ini penulis mencoba membahas mengenai “Intelligent Tutoring System”, dimana kita dapat mengetahui bagaimana cara kerja dari system pengajaran
cerdas ini. Dengan Intelligent Tutoring Sistem ini, kita dapat belajar sendiri simulasi dan
permodelan secara online dimana saja dan kapan saja.
Intelligent Tutoring System merupakan suatu system cerdas yang digunakan untuk
pengajaran, system ini menggunakan kecerdasan buatan yang merujuk pada teori
Dempster-Shaffer. Dengan adanya Intelligent Tutoring System ini, diharapkan kita dapat
lebih memahami simulasi dan permodelan.
BAB I
PENDAHULUAN
1.1 Latar Belakang
Modul pembelajaran dibutuhkan untuk membantu para mahasiswa dalam
menekuni mata kuliahnya, namun modul yang dibutuhkan adalah modul yang dapat
berinteraksi dengan mahasiswa, mengukur seberapa jauh pemahaman mahasiswa
dalam menguasai mata kuliah, serta dapat memberikan saran-saran kepada mahasiswa
tentang apa yang sebaiknya ia lakukan terhadap materi-materi yang belum ia kuasai.
Modul seperti ini dapat dibangun dengan cara menambahkan suatu system pengajaran
cerdas pada modul ini atau biasa dikenal dengan ITS(Intelligent Tutoring System).
ITS (Intelligent Tutoring System) adalah sebuah sistem cerdas yang memberikan
tutoring atau pengajaran perseorangan. Dalam ITS mahasiswa dituntut belajar
memecahkan masalahnya sendiri, sistem menyeleksi masalah, dan membandingkan
solusinya dengan jawaban siswa , perbedaan-perbedaan yang timbul akan menjadi
diagnosa dasar dalam memecahkan permasalahan tersebut .
Seperti yang kita ketahui bersama, mata kuliah Simulasi merupakan mata kuliah
yang membutuhkan banyak konsentrasi dan tergolong sulit untuk bisa menguasainya.
Hal ini yang mendorong saya untuk membuat modul mata kuliah Simulasi yang
disertakan dengan Sistem Pengajaran Cerdas atau ITS (Intelligent Tutoring System)
dengan harapan mahasiswa tersebut selain dapat paham, mengerti mata kuliah simulasi,
diharapkan juga agar mahasiswa tersebut dapat memecahkan
permasalahan-permasalahan yang ditemui di dunia nyata dengan cara memodelkannya, sehingga
permasalahan tersebut dapat diselesaikan dengan mudah.
1.2 Batasan Masalah
Penulisan skripsi ini baru merupakan pengenalan dari ITS, sehingga yang akan
dibahas antara lain adalah cara kerja dari ITS, pengaplikasian ITS terhadap mata kuliah
itu pada penulisan ini komponen ITS yang di bahas hanya sampai pada tahap present
feedback.
1.3 Perumusan Masalah
Modul berisi soal-soal dari mata kuliah Simulasi sesuai dengan kurikulum yang berlaku.
Pada setiap soal yang diberikan hasilnya dapat memberikan gambaran tingkat pemahaman mahasiswa.
Modul dapat memberikan analisa kepada mahasiswa untuk menunjukkan materi-materi apa saja yang belum dikuasai oleh mahasiswa tersebut .
Tujuan akhir adalah agar mahasiswa dapat memodelkan suatu permasalahan dengan simulasi, sehingga mahasiswa dapat memecahkan
permasalahan-permasalahan yang ditemui di dunia nyata dengan mudah.
1.4 Tujuan Penelitian
1. Mengenalkan ITS atau Sistem Pengajaran Cerdas
2. Membantu mahasiswa dalam mempelajari mata kuliah simulasi
3. Untuk menerapkan Sistem Pengajaran Cerdas secara online
1.5 Metode Penelitian
Dalam penulisan ini penulis melakukan penelitian yang terbagi atas tahap
perancangan dan analisa, tahap pengembangan dan tahap implementasi.
A. Tahap Perancangan dan Analisa Sistem
Sistem ini dibuat berdasarkan analisa dari domain, pengguna dan strategi
mengajar, serta merujuk kepada referensi-referensi mengenai Sistem Pengajaran
Cerdas. Jadi tahap pertama untuk merancang sistem pengajaran cerdas adalah
1) Analisa domain. Domain disini adalah topik atau kurikulum dari mata kuliah
yang sedang diajarkan. Jadi pada tahap ini akan dilakukan analisa dari mata
kuliah Simulasi sesuai kurikulum yang berlaku untuk dimasukkan ke dalam
sistem.
2) Analisa pengguna sistem. Pengguna sistem disini adalah tiap user yang
akan bergabung dalam ITS untuk mempelajari simulasi dan permodelan
B. Tahap Pengembangan Sistem
Sistem ini dibuat berdasarkan analisa dari domain, pengguna, serta merujuk
kepada referensi-referensi mengenai ITS. Tahap selanjutnya adalah tahap
pengembangan sistem. Tahap ini terdiri dari:
1) Tahap Identifikasi Komponen ITS. Pada tahap ini akan dilakukan identifikasi
mengenai komponen-komponen ITS untuk pembuatan sistem ini.
2) Tahap pengembangan naskah. Pada tahap ini akan dikembangkan soal-soal
yang akan diujikan oleh sistem berdasarkan kurikulum.
3) Tahap Pengembangan logika program. Pada tahap ini soal dikembangkan
sesuai alur logika penyajian soal yang dapat mendorong motivasi dan interaksi
mahasiswa dalam belajar.
C. Tahap Implementasi
Tahap akhir dalam pembuatan sistem ini adalah tahap implementasi, sistem
BAB II
LANDASAN TEORI
Artificial intelligence
Artificial Intelligence / AI adalah aktifitas mengikut sertakan mesin seperti
computer yang mempunyai kemampuan untuk menampilkan tingkah laku yang dianggap
intelligent jika dibandingkan dengan manusia. AI muncul sejak dua tahun setelah
komputer pertama diinstal untuk kebutuhan bisnis.
Sejarah AI
Tahun 1956 diselenggarakan meetingdi Dartmounth Colleg, yang dihadiri oleh Maein
Minsky dan john McCartly dari Dartmounth, Nathaniel Rochester dari IBM, dan Claude
Shannon dari Bell Laboratories. Pada pertemuan itu berhasil menemukan istilah Artificial
Intelegence, dan mereka menamakan program komputer AI yang pertama dengan nama
Logic Theorist. Logic Theorist adalah produk hasil kerja yang beberapa tahun
sebelumnya telah diterapkan di Carnegie Institute Of Technology ( sekarang namanya
Carnegie Mellon University ) oleh Herbert Simon dan Alan Newell.
Bidang AI
AI terdiri dari bidang kerja sebagai berikut :
a. Persepsi
Penggunaan tampilan visual dan signal auditory untuk memberikan instruksi
kepada komputer dan peralatan lain seperti robot.
b. Belajar
Kemampuan komputer dan peralatan lain untuk mendapatkan pengetahuan,
selain apa yang telah dimasukkan ke dalam memorinya oleh pembuatnya.
c. Pemrograman otomatis.
Kemampuan komputer untuk mengkodeprogram dari instruksi yang diberikan
AI dan Intelligent Tutoring System
Pada tahun 1982, Sleeman dan Brown mengulas kembali keberadaan CAI
dengan istilah Intelligent Tutoring System ( ITS ) untuk menggambarkan perkembangan
sistem dan membedakannya dari system CAI yang dibuat sebelumnya. Asumsi yang
terkandung tentang pelajar sekarang memusat kepada learning-by-doing
(pembelajaran-oleh-tindakan).Mereka menggolongkan keberadaan ITS sebagai sistem yang
berbasis-komputer sebagai : ( 1) pengamat permasalahan dan pemecahannya, ( 2) pengajar, ( 3)
instruktur laboratorium, dan ( 4) konsultan. ( Sleeman& Brown, 1982) Penekanan di
dalam sistem ini masih merupakan bentuk penelitian untuk menyaring teori AI, tetapi
sekarang peneliti sedang berpikir tentang cara menyajikan pengetahuan siswa di dalam
sistem ini. Di sini kita temukan penggunaan pertama kali istilah model dari siswa untuk
menggambarkan suatu penyajian abstrak mengenai siswa di dalam program komputer .
Banyak tehnik yang digunakan dalam kecerdasan buatan, diantaranya adalah sistem
pakar, algoritma genetika, logika fuzzy, jaringan bayes, dempster-shafer dan lain
sebagainya. Pada Sistem ini kecerdasan buatan yang digunakan merujuk kepada teori
dempster-shafer.
Pengertian ITS
ITS (Intelligent Tutoring System) adalah sebuah sistem yang memberikan
pengajaran secara privat atau perseorangan.
Setiap ITS harus mempunyai 3 hal berikut:
1. Pengetahuan tentang domain
2. Pengetahuan tentang siswa
3. Pengetahuan tentang pengajaran.
Domain disini adalah topik atau kurikulum yang sedang diajarkan. Siswa disini
adalah orang yang menggunakan ITS, sedangkan pengajaran disini adalah metode
pengajaran apa yang akan digunakan dan bagaimana seharusnya materi disampaikan
kepada siswa.
Cara kerja dari ITS adalah Mahasiswa dituntut belajar memecahkan masalahnya
sendiri, sistem menyeleksi masalah, dan membandingkan solusinya dengan jawaban
Mahasiswa , perbedaan-perbedaan yang timbul akan menjadi diagnosa dasar untuk
memecahkan permasalahan tersebut .
Hal ini menjadi pedoman sejak 1973, dikenalkan oleh H. Sleeman and J.R.
Komponen-komponen ITS
Intelligent Tutoring System memiliki komponen-komponen sebagai berikut:
1. Kurikulum
2. Pengajar
3. Domain Expert dan Bug Library
4. Student Advisor
Gambar 2.1 Komponen ITS
Teori Dempster-Shafer
Teori Dempster-Shafer adalah suatu teori matematika untuk pembuktian
([SH76]) berdasarkan belief functions and plausible reasoning(fungsi kepercayaan dan
pemikiran yang masuk akal), yang digunakan untuk mengkombinasikan potongan
informasi yang terpisah ( bukti) untuk mengkalkulasi kemungkinan dari suatu peristiwa.
Secara umum Teori Dempster-Shafer ditulis dalam suatu interval:
[Belief, Plausibility]
Belief (Bel) adalah ukuran kekuatan evidence(bukti) dalam mendukung suatu
himpunan proposisi. Jika bernilai 0 maka mengindikasikan bahwa tidak ada evidence,
dan jika bernilai 1 menunjukkan adanya kepastian.
Plausability (Pl) dinotasikan sebagai:
Pl(s)=1-Bel(-s)
Plausability juga bernilai 0 sampai 1. Jika kita yakin ¬s, maka dapat dikatakan
bahwa Bel=(¬s)=0. Pada teorema Dempster-Shafer kita mengenal adanya frame of
discernment yang dinotasikan dengan θ. Frame ini merupakan semesta pembicaraan
dari sekumpulan hipotesis.
Misalkan : θ={A,F,D,B}
Dengan :
A = Alergi; F = Flu;
D = Demam; B = Brokitis.
Tujuan kita adalah membangkitkan kepercayaan elemen-elemen θ. Tidak semua
evidence secara langsung mendukung tiap-tiap elemen. Sebagai contoh, panas mungkin
hanya mendukung {F,D,B}.
Untuk itu perlu adanya probabilitas densitas(m). Nilai mtidak hanya
mendefinisikan elemen-elemen θ saja, namun juga semua subset-nya. Sehingga jika θ
berisi n elemen, maka subset dari θ semua berjumlah 2n
. Kita harus menunjukkan bahwa
jumlah semua m dalam subset θ sama dengan 1. Andaikan tidak ada informasi apapun
untuk memilih keempat hipotesis tersebut, maka nilai:
Jika kemudian diketahui bahwa panas merupakan gejala dari flue, demam dan
bronchitis dengan m= 0,8 , maka:
M{F,D,B}= 0,8
M{θ}= 1-0,8 = 0,2
Andaikan diketahui X adalah subset dari θ, dengan m1 sebagai fungsi densitasnya, dan Y juga merupakan subset dari θ dengan m2 sebagai fungsi densitasnya,
maka kita dapat membentuk fungsi kombinasi m2 sebagai m3, yaitu:
m3(Z) = 1( ). 2( )
) ( 2 ). ( 1
1
m X m YY m X m
Y X
Z Y X
Nilai yang dihasilkan dari teori ini berupa persentase tiap elemen-elemen θ, dan
juga semua subset-nya. Makin rendah persentase frame of discernment menggambarkan
makin baik tingkat pemahaman user dalam materi tersebut. Penilaian diberikan penilaian
BAB III
PEMBANGUNAN SISTEM
Analisa data
Sebelum membangun Intelligent Tutoring System kita harus melakukan analisa
terhadap komponen-komponen sistem terlebih dahulu. Komponen-komponen yang kita
perlukan adalah sebagai berikut:
1. Kurikulum
2. Pengajar
3. Domain Expert dan Bug Library
4. Student Advisor
Kurikulum
Kurikulum merupakan komponen yang sangat penting dalam system ini, karena
system ini di buat berdasarkan kurikulum yang berlaku saat ini. Pada penulisan ini,
kurikulum yang digunakan dalam membangun Intelligent Tutoring Sistem untuk
Gambar 3.1 Bagan Kurikulum Simulasi dan Permodelan
Gambar 3.1 merupakan gambaran dari kurikulum matakuliah simulasi dan permodelan.
Setiap materi dalam kurikulum mempunyai keterhubungan antara satu dengan lainnya,
untuk lebih jelasnya, maka dapat kita lihat pada table dibawah ini:
I. Simulation in Brief I.1 Analisa Simulasi dan
Pengambilan Keputusan
Simualsi dan permodelan
I. Elemen-elemen Simulasi Formulasi masalah
Pengumpulan data dan
Analisa
Pengembangan Model
Verifikasi dan Validasi Model
Eksperimen dan Optimisasi
Model
Permodelan Simulasi Dynamic Discrete event
II.3 Model Analytic dan Simulasi Analytic vs Simulation
III Membangun dan
III.3 Verifikasi dan validasi Model Peranan Verifikasi dan
validasi
Pengajar
Pada sistem ini, pengajar berfungsi untuk membuat dan menyiapkan
persoalan-persoalan untuk dipecahkan oleh siswa. Dalam membuat soal, pengajar harus mengikuti
kurikulum yang telah ada. Untuk itu pengajar sebaiknya adalah seseorang yang :
1 . Mampu dan menguasai simulasi dan permodelan
2. Dapat membuat soal-soal simulasi yang berbobot dan sesuai kurikulum
Berdasarkan hal tersebut, maka dosen untuk matakuliah simulasi dan
permodelan dapat dijadikan seorang tutor atau pengajar dalam Inteligent Tutoring
System ini.
Domain Expert dan Bug Library
Domain Expert adalah suatu domain yang berisi materi-materi,
persoalan-persoalan mengenai simulasi dan permodelan yang lengkap. Hasil atau solusi persoalan-persoalan
yang dikerjakan oleh komputer adalah berdasarkan Domain Expert ini. Data-data dari
domain expert dimasukkan kedalam database yang akan menghasilkan solusi computer.
Domain expert juga bisa merupakan sekumpulan soal-soal yang akan dimasukkan ke
dalam system.
Bug library adalah kesalahan-kesalahan yang mungkin terjadi di dalam sistem,
namun pada system ini bug library tidak digunakan, untuk kesalahan-kesalahan yang
mungkin terjadi ditangani langsung oleh domain expert
Student Advisor
Student Advisor bertugas memberikan tanggapan atau umpan balik kepada
siswa mengenai hasil yang diperolehnya. Untuk memberikan umpan balik/ tanggapan,
student advisor mengolah data yang dihasilkan dari perbandingan solusi siswa dan
komputer terlebih dahulu. Umpan balik ini menjelaskan secara terperinci mengenai
semua materi-materi yang dikerjakan oleh siswa. Berdasarkan umpan balik ini siswa
Hubungan antar Komponen
Komponen-komponen yang terdapat dalam Intelligent Tutoring Sistem saling
berhubungan satu dengan lainnya. Komponen Tutor dan kurikulum bekerjasama dalam
pembuatan soal-soal simulasi. Komponen Domain Expert dan Bug Library akan
menghasilkan solusi komputer, student advisor memberikan umpan balik berdasarkan
perbandingan solusi yang dihasilkan siswa dan komputer. Untuk lebih jelasnya,
keterhubungan antara komponen Intelligent Tutoring System dapat dilihat pada gambar
2.1
Cara Kerja Intelligent Tutoring System
Dengan melihat keterhubungan antara komponene-komponen Inteligent Tutoring
Sistem pada gambar 3.2, maka kita dapat mengetahui bagaimana tahapan-tahapan kerja
dari Intelligent Tutoring System, yaitu:
1. Generate Problem
2. Present Problem
3. Student Solution
4. Computer Solution
5. Present Feedback
Generate Problem (Membuat Soal)
Dalam pembuatan Form Generate Problem tahap pertama yang kita lakukan
adalah membuat tabel soal yang berfungsi untuk menampung soal-soal yang
dimasukkan oleh pengajar. Tabel terdiri dari 9 field, yaitu soal_id, no, soal, jwb_1, jwb_2,
jwb_3, jwb_4, kunci dan keterangan. Pada tabel ini yang dijadikan primary key adalah
soal_id.
Pada tahap ini Tutor atau pengajar berperan penting, karena soal-soal yang akan
di pecahkan oleh siswa dibuat oleh pengajar. Dalam membuat soal, pengajar harus
merujuk kepada kurikulum yang telah ditetapkan dalam system. Pada system ini telah
dibuat sebuah form untuk membuat soal-soal, dimana pengajar dapat memasukkan atau
Present Problem (Menampilkan Soal)
Pada tahap ini soal ditampilkan untuk dikerjakan oleh siswa. Soal terdiri dari 50
soal pilihan ganda, siswa harus mengisi nama dan npm terlebih dahulu sebelum
mengerjakan soal ini, sehingga data siswa dapat dimasukkan dalam database admin.
Tampilan soal dapat dilihat pada gambar dibawah ini
Student Solution (Solusi Siswa)
Student Solution adalah hasil dari pekerjaan siswa dalam memecahkan
persoalan yang dibuat oleh pengajar.
Computer Solution (Solusi Komputer)
Solusi computer adalah solusi yang diisi oleh admin (pengajar) perbandingan
terhadap solusi dari solusi siswa. Solusi komputer ini disimpan dalam tabel soal pada
field kunci.
Compare Solution
Pada tahap ini system membandingkan antara solusi yang dihasilkan oleh
computer dan solusi yang dihasilkan siswa. Siswa akan diberi presentase 99% untuk
setiap materi yang dijawab dengan sempurna, dan diberikan persentase 1% apabila
sama sekali tidak menjawab. Persentase ini yang akan diolah oleh system untuk
menghasilkan feedback terhadap siswa.
Present Feedback (Umpan Balik)
Present Feedback(umpan balik) adalah suatu respon dari system terhadap hasil
yang dikerjakan siswa dalam memecahkan soal-soal simulasi. Present feedback ini
dibuat berdasarkan teori Dempster-Shafer, dalam Present Feedback siswa dapat melihat
hasil dari solusinya baik hasil pada tiap-tiap materi, maupun hasil umum atau
keseluruhan. Hal ini sangat membantu siswa dalam mempelajari materi simulasi, karena
ia dengan mudah mengetahui materi-materi apa saja yang penting dan pokok agar ia
Pengembangan logika program
Untuk membuat presentasi feedback dengan teori Dempster-Shafer, maka yang
pertama kita lakukan adalah mendefinisikan frame of discernment yang dinotasikan
dengan θ. Frame ini merupakan semesta pembicaraan yang disusun berdasarkan
domain atau kurikulum simulasi dan permodelan. Dibawah ini adalah gambar dari
kurikulum simulasi yang akan definisikan oleh frame of discernment.
3.3 Uji Coba dan Analisa
Pada tahap ini dilakukan uji coba terhadap beberapa kasus dalam mengerjakan
soal matakuliah simulasi yang disusun berdasarkan silabus sesuai pada tabel 3.1, yang
hasilnya adalah sebagai berikut:
1. Materi simulasi akan bernilai baik apabila presentase materi simulasi, elemen
simulasi, formulasi masalah, pengumpulan data dan analisa, serta materi
pengembangan model baik
2. Untuk materi pengumpulan data dan analisa akan bernilai baik apabila presentasi
dari materi pengembangan model, statistik deskriptif,statistik inferensial, distribusi
diskrit, distribusi kontinu, dan mater generating random baik
3. Makin tinggi presentase suatu materi menunjukkan makin baik pemahaman
siswa tersebut.
4. Untuk materi yang tidak dikerjakan maka presentasenya akan di bawah
presentasi frame of discernment
5. Untuk presentase nilai di bawah frame of discernment maka materi tersebut
bernilai sangat kurang
6. Untuk nilai di atas frame of discrenment dapat bernilai baik, cukup dan
kurang
7. Meskipun tiap materi rata-rata bernilai baik pada hasil umum belum tentu bernilai
BAB IV PENUTUP
Kesimpulan yang diambil dari pembuatan sistem ini adalah sistem pengajaran
cerdas dibuat dengan menggunakan kecerdasan buatan. Dasar teori kecerdasan buatan
yang di aplikasikan pada ITS ini adalah pada saat memberikan feedback (umpan balik)
atas jawaban user (mahasiswa) yang mengerjakan soal-soal ITS. Pemberian feedback
(umpan balik) didasarkan atas teori Dempster Shafer yang bersifat uncertainty (ketidak
pastian)
Teori ini akurat dalam memberikan penilaian, meskipun secara umum siswa
dapat menjawab pertanyaan-pertanyaan soal dengan baik, namun dalam system ini
belum tentu siswa tersebut di anggap telah menguasai simulasi, dikarenakan keterkaitan
antara materi yang satu dengan yang lain.
Meskipun demikian, teori ini masih mempunyai kekurangan, apabila ada
penambahan materi diluar domain, maka akan terjadi perubahan susunan pada program
dan apabila materi yang dimasukkan terlalu banyak, maka akan terjadi kesalahan yang di
